개인별 추천은 아마존이 성장하고 있는 구매지도, 즉 실제' 물리적 요소'-고객, 제품, 구매, 행사, 점포 위치 등 모든 점포 정보-그리고 이들 요소 간의 관계를 디지털화하는 것이다. 아마존의 구매지도집은 구매 내역을 웹 브라우징, Prime 비디오 시청, 아마존 음악 청취 및 Alexa 장비의 데이터와 연결시킵니다. 알고리즘은 협업 필터링을 사용하여 다양성 (권장 제품의 차이 정도), 놀라움 (권장 제품의 놀라운 정도) 및 참신함 (신선도) 을 결합하여 세계에서 가장 복잡한 추천을 생성합니다. 풍부한 데이터와 업계 최고의 개인화 추천으로 아마존은 현재 미국 전자상거래 시장의 40% 를 차지하고 있으며, 가장 가까운 경쟁사인 월마트의 시장 점유율은 7% 에 불과하다.
아마존과 경쟁하기 위해 구글은 202 1 년 4 월 Shopping Graph 를 발표했습니다. 이는 사용자가 검색할 때 제품을 추천하는 AI 모델입니다. 매일 6543.8+ 억명이 넘는 사람들이 구글을 이용해 상품을 검색하며, 쇼핑 사진은 그들을 인터넷 수백만 상가의 240 여억 상품 목록과 연결시킨다. 이 모델은 Android 시스템의 구조화 및 구조화되지 않은 데이터, 사운드 및 이미지 검색, 구글 브라우저의 크롬 확장, 구글 어시스턴트, 구글 이메일, 구글 사진, 구글 지도, 유튜브, 구글 클라우드 서비스, 구글 결제 등 광범위한 네트워크에서 엔티티와 그 관계에 대한 정보를 캡처하는 구글의 고유한 지식도를 기반으로 합니다. Google Shopping Atlas 는 65,438+0.7 만 명의 기업이 간단하지만 상호 연결된 도구로 구글에 관련 상품을 전시할 수 있도록 허용하며, 구글은 아마존의 과제를 해결할 수 있다.
아마존, 구글과 같은 데이터지도는 제품 사용 데이터 (즉, 사용자가 플랫폼 또는 제품을 사용할 때 발생하는 행동 데이터) 에 의존하여 기업과 고객 간의 관계와 관계를 파악하는 것입니다. 데이터 지도의 개념은 소셜 네트워크와 도론에서 비롯되며, 소셜 지도는 친구, 동료, 사장 등과 같은 인간과의 관계와 관계의 표현으로 정의됩니다. 모든 사람은 하나의 노드로 표현되는데, 관계는 점과 점 사이의 연결이다. 이 개념은 사회심리학자 스탠리 밀그램의 작업에서 나온 것이다. 지난 20 년 동안 이 개념은 조직, 산업, 시장 및 사회의 구조와 역학을 분석하는 실용적인 관점을 제공했습니다. 2007 년 페이스북은 개발자가 앱을 만들어 웹 사이트의 정보 흐름과 인간관계에 통합할 수 있는 같은 이름의 소셜 플랫폼을 출시하여 디지털 소셜 지도를 유행시켰다.
선도적인 기술 회사는 데이터 맵을 사용하여 맞춤형 추천, 제품 업그레이드, 광고 최적화 등을 제공합니다. 아마존의 대리 구매지도, 구글의 검색지도, 페이스북의 사교지도, 사이버 비행의 영화지도, Spotify 의 음악지도, Airbnb 의 여행지도, 우월한 여행지도, LinkedIn 의 직업지도 등 가장 성공적인 사례는 끊임없이 수집한 사용자 사용 데이터와 독특한 알고리즘을 이용해 제품 개발에서 사용자 경험에 이르기까지 경쟁에서 벗어나는 것이다
이 문서에서는 기업들이 데이터 매핑에 있어 선두 기업의 접근 방식을 활용하여 새로운 경쟁 우위를 확보할 수 있는 방법에 대해 설명합니다.
데이터 네트워크 효과
데이터 맵을 이해하려면 먼저 데이터 네트워크 효과, 즉 사용자가 한 제품이나 서비스를 사용할 때 생성되는 데이터가 이 제품이나 서비스를 다른 사용자에게 더 가치 있게 만드는 효과를 이해해야 합니다. 페이스북, LinkedIn 과 같은 직접적인 네트워크 효과와는 달리, 데이터 네트워크 효과는 네트워크 가치를 높이기 위해 사용자 수를 늘릴 필요가 없습니다. 대신 기존 사용자는 계속 사용하고 보다 광범위하고 심층적인 사용 데이터를 생성하여 알고리즘을 지속적으로 개선할 수 있습니다. 예를 들어, 구글은 매년 2 조 건의 검색을 통해 구글이 지식지도를 풍부하게하고 검색 엔진을 개선하며 사용자에게 더 나은 검색 결과를 제공합니다. 사용자가 플랫폼을 더 이상 사용하지 않으면 플랫폼 서비스 품질 향상이 중단되고 도움이 되지 않습니다.
데이터지도는 정적이 아니라 특정 시점의 데이터가 아니라 데이터 과학자들이 말하는 동적 데이터를 반영합니다. 이는 데이터 맵을 수동으로 그릴 수 없는 이유이기도 합니다. 기술을 사용하여 한 회사의 제품이 전 세계 소비자들에 의해 생성된 수백만 개의 데이터를 실시간으로 수집하고 해독해야 합니다.
데이터지도의 성공 요인
데이터 맵 선두 기업은 사용자 행동 데이터를 수집하고 이를 신속하게 활용하여 제품 및 서비스의 모든 측면을 개선합니다. 이들 회사는 제품 데이터를 분류하고 레이블을 지정하는 방법을 지속적으로 수정하여 엔티티 간의 관계를 찾고 알고리즘을 더 잘 분류하고 개인화된 추천을 제공합니다. 이 회사는 또한 최신 및 가장 관련 있는 데이터를 기반으로 고객을 유치하는 데 도움이 되는 맞춤형 권장 사항을 생성하기 위해 알고리즘을 지속적으로 업데이트했습니다. 데이터 맵을 성공적으로 사용하는 회사의 주요 행동을 살펴 보겠습니다.
빠르고 광범위하게 공부하다. 자료도는 개인 생활, 일, 오락, 학습, 듣기, 사교, 관람, 거래, 여행, 소비 등 상업과 연계될 수 있는 모든 활동을 포착한다. 디지털화를 통해 기업은 이러한 고객 데이터를 광범위하고 철저하며 신속하게 관찰 및 구성할 수 있습니다. 예를 들어, 페이스북의 사교지도는 28 억명의 데이터를 분석하고, 그들이 무엇을 하고 있는지, 그들이 누구와 친구인지, 친구가 아닌지, 그들이 어디로 갔는지, 그들이 어떤 브랜드에 대해 이야기하고 있는지, 그들이 어떤 영화를 보고 있는지, 그들이 어떤 음악을 듣고 있는지 등을 분석합니다. (존 F. 케네디, Northern Exposure (미국 TV 드라마), 예술명언) LinkedIn 의 직업지도는 5 천만 개 기업을 위해 일하고 90,000 개 이상의 교육 기관에 참여하는 7 억 7400 만 명의 전문가가 채용 정보에 응답하고 상태를 업데이트하고 생방송 비디오를 사용하는 방법을 실시간으로 포착했다. 또한 직업지도는 사용자 기술 등 다른 요소에 따라 대상 광고, 학습 제안, 뉴스 푸시 등에 대한 자세한 정보를 사용자에게 제공합니다. 이제 LinkedIn 은 Microsoft 의 자회사로 Microsoft 의 데이터 생태계에 통합되어 보다 동적인 데이터 지도를 만들었습니다.
기존 기업의 사용자 데이터는 서로 다른 기능 부서의 데이터베이스에 독립적으로 저장됩니다. 디지털 이점을 얻기 위해 기업은 알고리즘을 통해 분석할 수 있는 대화형 지도로 데이터를 구성하여 통찰력을 얻고 각 고객에게 맞춤형 가치를 제공해야 합니다.
데이터 지도로 제품 라인을 풍부하게 하다. 데이터 매핑 선두 기업은 쇼핑, 여행 또는 검색과 같은 다양한 분야 간 개념을 활용하여 전문 지식을 기계가 인식할 수 있는 지도 형식으로 구성합니다. 예를 들어 Airbnb 의 여행지도에는 속성 (도시, 랜드마크, 활동 등) 이 표시된 700 만 채가 넘는 집 목록이 나와 있습니다. ), 특성 (고객 평가 및 영업 시간 등. ) 그들과의 관계는 더 높은 수준의 추천을 만들어 임대 주택뿐만 아니라 최고의 저녁식사 장소와 관광지를 유람하기에 가장 좋은 시간을 추천한다. 제품 범위를 확대하는 이러한 능력을 통해 Airbnb 는 고객에게 전통 호텔보다 더 나은 서비스를 제공할 수 있으며, 전통 호텔의 데이터는 고립된 부서에 저장됩니다 (예약 부서는 방 예약, 컨시어지 부서는 여행 추천, 요양부는 마사지 예약 등). 마찬가지로, 사이버 비행도 75,000 개의 하위 범주의 영화와 TV 작품의 전시와 분류를 지속적으로 개선하고 있으며, Spotify 의 음악과 라디오 프로그램도 마찬가지다.
중요한 순간에 이기기 위해 페이스북은 30 억 명의 사용자를 대상으로 거의 실시간에 가까운 맞춤형 소셜 네트워크 콘텐츠 비교 테스트를 실시했다. 페이스북은 콘텐츠를 푸시하기 전에 푸시할 목록에서 필터링해 사용자의 과거 행동에 따라 사용자가 관심을 가질 수 있는 500 편 정도로 범위를 좁힙니다. 그런 다음 페이스북은 전용 신경망을 사용하여 이러한 콘텐츠를 등급을 매기고 정렬한 다음 텍스트, 사진, 오디오, 광고가 있는 비디오 등 미디어 유형별로 정렬합니다.
많은 기업들이 고객 중심적이라고 주장하지만 선두 기업처럼 데이터 맵과 알고리즘을 잘 활용하는 경우는 거의 없습니다. 생각해 보십시오. 귀사는 AI 알고리즘을 사용하여 고객에게 지속적으로 개선된 제품을 제공함으로써 다른 회사로 전환하지 않도록 하고 있습니까?
출발하다
데이터 매핑에서 선두 기업과 경쟁하려면 전략의 성공은 대량의 정보를 보유하고 있는지의 여부뿐만 아니라 관련 제품 사용 데이터를 실시간으로 수집하여 데이터 네트워크 효과를 실현하고 장점을 창출하는 데 달려 있다는 점을 이해해야 합니다. 더 많은 사용자와 제품 간의 상호 작용을 관찰할 수 있다면 기업은 더 풍부한 데이터를 얻을 수 있습니다. 더 다양한 사용자 그룹에 더 많은 제품을 판매함으로써 보다 다양한 데이터를 축적하여 제품 차별화를 실현할 수 있습니다. 데이터 맵 사용에 익숙하지 않은 회사는 다음과 같은 개선 제안을 참조할 수 있습니다.
1. 데이터 매핑 전략 개발. 먼저, 업계를 이해하는 임원들이 데이터 과학자들과 협력하고, 개념적으로 데이터 지도를 구축하고, 미래 추세를 살펴보고, 가능한 비즈니스 영향에 대해 생각하도록 해야 합니다. 아마존이나 그물보다 자원이 적은 많은 회사들이 이미 이렇게 했다. 예를 들어, 20 10 비즈니스 스쿨 학생이 설립한 맞춤형 패션 서비스 회사인 Stitch Fix 는 현재 시가가 16 억 달러를 넘습니다. 대부분 패션 지도 때문입니다.
우리 회사가 가지고 있는 데이터가 독특한 장점을 제공할 수 있는지 생각해 보세요. 다른 기업에서 얻을 수 없는 자세한 정보를 얻을 수 있는 독점 데이터 수집 방법이 있을 수 있습니다. 아마도 당신은 데이터의 깊이와 폭에 있어서 파트너로부터 상호 보완적인 데이터를 얻을 수 있을 것입니다. 경쟁사가 대량 처리에 사용하는 단편적인 데이터보다 모바일 데이터가 더 빠를 수 있습니다. 우리가 인수 (예: Microsoft 의 LinkedIn 인수 및 동시) 와 동맹 (예: 구글과 Shopify 의 협력) 을 통해 우리 회사의 데이터 범위, 깊이 및 속도를 높일 수 있는지 생각해 보십시오.
2. 독점 알고리즘을 작성합니다. 서로 다른 유형의 분석을 독립적으로 수행하는 것만으로는 충분하지 않습니다. 데이터 매핑 선두 기업은 독점 알고리즘을 사용하여 전체 프레임 워크에서 설명 분석을 수행합니다 ("무슨 일이야?" " ), 진단 분석 ("왜? 클릭합니다 ), 예측 분석 ("무슨 일이 일어날까요? 클릭합니다 ) 및 사양 분석 ("무슨 일이 일어날까요? 클릭합니다 ) 을 참조하십시오. 데이터 매핑 인프라는 정적 데이터 분석의 기존 구조 (배치 및 독립 분석) 에서 변화하는 실시간 데이터 분석으로 전환할 수 있습니다. 업계의 다른 기업 및 기타 유사한 알고리즘을 참조해야 합니다. 예를 들어, 성공 지표가 고객이 추천을 받는 정도라면, 당신의 추천 엔진은 인터넷 비행, Spotify, 아마존 등 선두 회사와 어떻게 비교됩니까?
3. 신뢰를 쌓다. 고객 데이터 관리는 중요한 책임입니다. 대부분의 고객은 컴퓨터, 알고리즘 및 기계 학습을 복잡한 블랙박스로 간주하며, 많은 사람들은 디지털 회사가 개인 데이터를 사용하거나 남용하여 부자가 된다고 생각합니다. 기업은 신뢰할 수 있는 방식으로 알고리즘을 사용해야 하며 데이터를 수집 및 분석하고 가치를 제공할 수 있는 허가를 받아야 합니다. 소비자가 이해할 수 있는 언어로 당신의 회사가 데이터로 무엇을 하고 싶은지 설명하십시오.
소비자들이 개인 데이터 남용을 느낀다면 회사에 대한 신뢰를 잃게 된다. 기업은 기술에 자원을 투입해야 할 뿐만 아니라 소비자가 이해하고 받아들일 수 있는 방식으로 설명해야 한다. 고객은 디지털 제품에 대한 이해를 높이고 인공 지능 지원 서비스를 어떻게 실현할 수 있을지 점점 더 기대하고 있습니다. 각국은 기업이 현지 법률 제한 범위 내에서 데이터를 사용하도록 요구하고 있다.
4. 조직 업그레이드. 기업 지도자들은 필요한 자원을 배포하고, 기술 인프라를 업그레이드하고, 데이터 매핑 요구 사항을 충족해야 합니다. 데이터 과학과 업무 방면에서 광범위하고 심층적인 지식을 가진 인재를 채용해야 한다. 데이터 조직은 기업의 각 부분을 연결하는 연결 조직으로 간주되어야 하며, 현대 조직은 서로 충돌하는 두 개의 강력한 파벌을 적절하게 처리해야 한다는 것을 인정합니다. 하나는 데이터와 알고리즘이 문제 해결 능력이 강하다고 생각하고 다른 하나는 없다고 생각합니다. 양측의 갈등은 현대 조직 운영 문화의 주요 특징이다. 예를 들어 사이버 비행 CEO 인 레드 하스틴스는 실리콘 밸리의 분석에 대한 중시와 할리우드의 창의력에 대한 중시를 균형 있게 맞췄다.
5. 데이터 맵을 통해 이익을 얻습니다. 데이터 맵은 제품 설계 및 제조뿐만 아니라 고객을 위해 특정 문제를 해결하는 방법에 대한 가치를 설명하는 전략을 지원하고 개발하는 데 사용됩니다. 데이터 맵에서 제공하는 통찰력은 데이터에서 비즈니스 결과에 이르는 명확한 경로를 계획하는 데 가장 적합한 수익 메커니즘을 선택하는 데 도움이 될 것입니다. 데이터 네트워크 효과에 기반한 맞춤형 추천을 사용하여 현재 수익과 이윤을 유지할 수 있습니다. 예를 들어, 웹 비행은 실시간 데이터를 사용하여 사용자 유지율을 향상시킵니다. 또한 데이터 맵 개발을 통해 새로운 가치 출처를 확보하고, 신용 카드, TV, 의료업계에 진출하는 애플과 같은 수입과 이윤의 흐름을 확대할 수 있습니다. Disney+ 가 스트리밍 미디어 업계에 성공적으로 진출한 등 시장에서 데이터지도를 장악하는 경쟁업체도 역제할 수 있습니다.
재구축 이점
데이터 지도는 대부분의 사람들이 예상한 것보다 각 분야의 경쟁을 더 빨리 재창조할 것이다. 모든 기업은 데이터를 활용하여 운영 효율성을 높여야 하는 필요성을 뛰어넘어 데이터 지도의 경쟁 우위를 확보해야 합니다. 고위 경영진은 소비자와 제품 및 서비스 간의 상호 작용을 실시간으로 포괄적으로 이해할 수 있도록 데이터 인프라 업그레이드에 투자해야 합니다. 이러한 구조를 통해 고객의 문제를 해결할 수 있는 고유한 솔루션을 개발할 수 있습니다.
선도적인 디지털 기업들에게 데이터 매핑 등의 분야에 대한 끊임없는 탐구는 새로운 경쟁 우위를 창출하고 있으며, 제품 개발, 사용자 경험 등에서 경쟁에서 벗어나고 있습니다. 따라서 그들의 경험은 광범위하게 배울 만하다.
2022 년 신성장 목록 신고를 클릭하십시오.
비자이 고빈달라얀 (비자이 고빈다 라젠과 빈카터 빈카트라맨) |
Vijay govindarajan 은 다트머스대 타크 경영대학원의 콕스 특임교수이자 하버드 경영대학원의 집행연구원이다. 문케이트 카터먼은 보스턴 대학 경영대학원인 데이비드 맥그라스 관리학 강의 교수이다.